diplomsko delo
Andjela Rajović (Avtor), Marko Robnik Šikonja (Mentor)

Povzetek

Razumevanje parlamentarnega govora in širših političnih razprav je ključno za razumevanje političnih procesov in odločitev, ki vplivajo na družbo. Naloga obravnava problem strojne identifikacije in analize stališč poslancev in strank do različnih tematik s trirazredno klasifikacijo: ''za'', "proti", in "nevtralno". Analiza zajema primerjave stališč v srbskem parlamentu. Za analizo smo uporabili nabor ročno označenih podatkov, ki vsebuje 1019 učnih primerov. Ovrednotili smo več jezikovnih modelov, kot so XML-RoBERTa, BERTić, POLITICS, YugoGPT in Llama-3.1, ter primerjali njihove rezultate. Analiza potrjuje splošno znanje o političnih strankah in njihovih usmeritvah ter prikazujejo zmogljivost velikih jezikovnih modelov za analizo velikih zbirk besedil.

Ključne besede

prepoznavanje stališč;veliki jezikovni modeli;parlamentarni govor;univerzitetni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [A. Rajović]
UDK: 004.85:81'322(043.2)
COBISS: 212592131 Povezava se bo odprla v novem oknu
Št. ogledov: 143
Št. prenosov: 42
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Stance detection in Serbian parliamentary speech
Sekundarni povzetek: Understanding parliamentary discourse and broader political debates is essential for comprehending the political processes and decisions that impact society. The thesis addresses the challenge of machine learning-based identification and analysis of the stances of parliament members and their parties on various topics using a three-class classification: 'for,' 'against,' and 'neutral.' The analysis includes comparisons of stances in the Serbian parliament. We utilized a manually annotated dataset containing 1,019 examples for the analysis. We evaluated several language models, such as XML-RoBERTa, BERTić, POLITICS, YugoGPT, and Llama-3.1, and compared their performance. Our findings confirm the general knowledge of political parties and their orientations, demonstrating the capability of large language models to analyze large datasets.
Sekundarne ključne besede: stance detection;large language models;parliament speech;computer and information science;diploma;Računalniško jezikoslovje;Politično govorništvo;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000468
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 1 spletni vir (1 datoteka PDF (57 str.))
ID: 25001832